Berechnungen mit Pivot-Tabellen durchführen

Pivot-Tabellen enthalten zusammenfassende Kennzahlen – diese sind aber nur der erste Schritt, um etwas Aufschlussreiches herauszufinden. Oft musst du mit ihnen weitere Berechnungen anstellen. Häufig werden zum Beispiel die Zeilen oder Spalten gesucht, in denen der höchste oder niedrigste Wert vorkommt.

Aus Kapitel 1 weißt du, dass du mit logischen Bedingungen innerhalb von eckigen Klammern ganz einfach Teilmengen aus einer Series oder einem DataFrame auswählen kannst, um gezielt auf Zeilen von Interesse zuzugreifen. Zum Beispiel: series[series > value].

pandas ist als pd geladen und der DataFrame temp_by_country_city_vs_year ist ebenfalls verfügbar. Die ersten Zeilen (.head()) für diesen DataFrame sind unten abgebildet, wobei nur ein paar der Jahresspalten angezeigt werden:

country	city	2000	2001	2002	…	2013
Afghanistan	Kabul	15.823	15.848	15.715	…	16.206
Angola	Luanda	24.410	24.427	24.791	…	24.554
Australia	Melbourne	14.320	14.180	14.076	…	14.742
	Sydney	17.567	17.854	17.734	…	18.090
Bangladesh	Dhaka	25.905	25.931	26.095	…	26.587

Diese Übung ist Teil des Kurses

Datenbearbeitung mit pandas

Kurs anzeigen

Anleitung zur Übung

Berechne die mittlere Temperatur für jedes Jahr und weise die Ergebnisse mean_temp_by_year zu.
Filtere mean_temp_by_year nach dem Jahr mit der höchsten Durchschnittstemperatur.
Berechne die mittlere Temperatur für jede Stadt (über alle Spalten) und weise die Ergebnisse mean_temp_by_city zu.
Filtere mean_temp_by_city nach der Stadt mit der niedrigsten Durchschnittstemperatur.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Get the worldwide mean temp by year
mean_temp_by_year = temp_by_country_city_vs_year.____

# Filter for the year that had the highest mean temp
print(mean_temp_by_year[____])

# Get the mean temp by city
mean_temp_by_city = temp_by_country_city_vs_year.____

# Filter for the city that had the lowest mean temp
print(mean_temp_by_city[____])

Code bearbeiten und ausführen